論文の概要: AI-guided stimuli discovery and generation to optimize facial emotion perception studies in autism

• arxiv url: http://arxiv.org/abs/2607.08533v1
• Date: Thu, 09 Jul 2026 14:29:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.564145
• Title: AI-guided stimuli discovery and generation to optimize facial emotion perception studies in autism
• Title（参考訳）: 自閉症における顔の感情知覚研究を最適化するAI誘導刺激発見と生成
• Authors: Kushin Mukherjee, Na Yeon Kim, Maren Wehrheim, Ralph Adolphs, Kohitij Kar,
• Abstract要約: 感情判断における自閉症とニューロタイプの違いは、診断的表情の小さなサブセットに集中していることが示唆された。 我々は、自閉症および神経型参加者に対する画像レベルの判断を予測するために、集団特異的なニューラルネットワークモデルを訓練した。 次に、生成的対向ネットワークで同じモデルを用いて、診断画像をより予測されたグループ合意に変換する。
• 参考スコア（独自算出の注目度）: 3.933503880903322
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding perceptual differences between autistic and neurotypical adults requires behavioral assays that are sensitive, reliable, and mechanistically informative. Facial emotion perception is a useful test case because group differences have been reported, but findings vary across studies. Here we show that this variability may reflect image-level sparsity: autistic-neurotypical differences in emotion judgments were concentrated in a small subset of diagnostic facial expressions rather than spread uniformly across stimuli. We trained population-specific artificial neural network models to predict image-level judgments for autistic and neurotypical participants, then used these models to select novel faces predicted to maximize group separation. In an independent cohort, model-selected images produced larger behavioral differences than matched random images. We then used the same models with a generative adversarial network to transform diagnostic images toward greater predicted group agreement. In phenotype-matched validation, synthesized images reduced behavioral separation relative to their matched originals. These results establish a model-guided framework for discovering and transforming stimuli that reveal population-specific perceptual differences. More broadly, they show how behavioral phenotyping can move beyond averaging across fixed stimulus sets toward optimized assays that identify the conditions under which neurodivergent perception diverges or converges.
• Abstract（参考訳）: 自閉症と神経型成人の知覚的差異を理解するには、敏感で信頼性があり、機械的に有益な行動測定が必要である。 群差が報告されているため、顔の感情知覚は有用なテストケースであるが、研究によって異なる。 感情判断における自律神経型差は, 刺激を均一に散らばるのではなく, 診断表情の小さな部分に集中していた。 我々は、自閉症および神経型参加者に対する画像レベルの判断を予測するために、集団固有のニューラルネットワークモデルを訓練し、これらのモデルを使用して、予測された新しい顔を選択し、グループ分離を最大化する。 独立したコホートでは、モデル選択された画像は一致したランダム画像よりも大きな行動差を生じる。 次に、生成的対向ネットワークで同じモデルを用いて、診断画像をより予測されたグループ合意に変換する。 表現型マッチング検証では、合成された画像は、一致したオリジナルと比較して行動分離を減らした。 これらの結果は、集団固有の知覚差を明らかにする刺激を発見し、変換するためのモデル誘導の枠組みを確立する。 より広義には、行動表現型付けが、固定された刺激セットをまたいだ平均的行動を超えて、ニューロディバージェント知覚が分岐または収束する条件を特定する最適化されたアッセイへとどのように移動するかを示す。

関連論文リスト

• Human face perception reflects inverse-generative and naturalistic discriminative objectives [2.4126189670630733]
  ディープニューラルネットワークは人間の顔知覚に機械的仮説を提供する。 我々は、アーキテクチャを共有する6つのニューラルネットワークモデルを比較したが、異なるタスクで訓練した。 864人の被験者の顔相違判定に対するモデル予測を検証した。
  論文  参考訳（メタデータ） (2026-05-12T18:06:57Z)
• Synthesizing Images on Perceptual Boundaries of ANNs for Uncovering Human Perceptual Variability on Facial Expressions [9.172281969351795]
  本研究は、個人が同じ刺激を視る場合でも、感情分類に有意な差異を示す高知覚的変動現象について検討した。 ANNと人間の知覚の類似性に触発されて、ANN分類器に不明瞭な表情サンプルは、人間の観察者の間で異なる知覚的判断をも引き起こすという仮説を立てた。 本研究は,ANN決定境界と人間の知覚的多様性の体系的関連性を確立し,感情的解釈のパーソナライズされたモデリングに関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2025-07-19T09:12:13Z)
• Multi-Agent Reasoning for Cardiovascular Imaging Phenotype Analysis [23.774887558530565]
  心のためのマルチエージェント探索シナジー(MESHAgents)について紹介する 私たちは、自発的に洞察を生成し、収束する、AIエージェントの複数の学際的なチームを編成します。 本研究は, 心臓および大動脈の表現型を画像化するための人口ベース研究を通じて, システムの能力を実証する。
  論文  参考訳（メタデータ） (2025-07-04T10:30:32Z)
• Generative causal testing to bridge data-driven models and scientific theories in language neuroscience [82.995061475971]
  脳における言語選択性の簡潔な説明を生成するためのフレームワークである生成因果テスト(GCT)を提案する。 GCTは機能的選択性に類似した脳領域の細粒度の違いを識別できることを示す。
  論文  参考訳（メタデータ） (2024-10-01T15:57:48Z)
• Image Statistics Predict the Sensitivity of Perceptual Quality Metrics [44.077177515227554]
  画像の確率から、このリンクが数学的にどのように表現されるかは定かではない。 本稿では,自然画像の生成モデルを用いて画像の確率を評価する。 我々は,現在最先端の主観的画像品質指標の感度を予測するために,確率関連因子をどのように組み合わせることができるか分析する。
  論文  参考訳（メタデータ） (2023-03-17T10:38:27Z)
• Transformer-based normative modelling for anomaly detection of early schizophrenia [1.291405125557051]
  我々はニューロタイプ個体の3次元MRIスキャンでモデルを訓練した。 早期統合失調症の神経型コントロールと精神科患者の可能性について検討した。
  論文  参考訳（メタデータ） (2022-12-08T18:22:36Z)
• Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification Using Model Ensembles [52.77024349608834]
  我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。 提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
  論文  参考訳（メタデータ） (2022-11-12T23:28:54Z)
• Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
  我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
  論文  参考訳（メタデータ） (2022-11-09T14:48:13Z)
• Fooling the primate brain with minimal, targeted image manipulation [67.78919304747498]
  本稿では、行動に反映される神経活動と知覚の両方の変化をもたらす、最小限の標的画像摂動を生成するための一連の手法を提案する。 我々の研究は、敵対的攻撃、すなわち最小限のターゲットノイズによる画像の操作で同じ目標を共有し、ANNモデルに画像の誤分類を誘導する。
  論文  参考訳（メタデータ） (2020-11-11T08:30:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。